客车生产准时化问题

探讨影响客车生产准时化的因素及如何实现客车生产准时化。     

钢-混预应力桁梁新结构探索与研究

铁路钢桁梁设计受到强度、稳定、疲劳、构造及冶金技术等多方面因素的制约,而桁高与跨度存在合理比例关系,所以跨度大到一定程度时建造就有困难、有风险,为克服强度、稳定等问题而变得经济上不合理。提出的钢混预应力桁梁是将上弦杆做成钢管混凝土结构、下弦杆做成钢与预应力混凝土组合结构,以增大其压杆稳定,减小杆件的应力幅,削减下弦杆的最小长细比限制,增强横向刚度,使桁梁这一古老结构形式的适应能力更强。     

混苯接触工人尿中代谢物的实验研究

采用薄层层析法测定混苯接触工人尿中马尿酸和甲苯马尿酸的排出量，同时，测定车间空气中甲苯和二甲苯浓度，结果提示尿中代谢物浓度与车间空气浓度和接触时间的乘积有高度相关性，认为可以作为生物监测指标。     

高,中速旅客列车混行条件下的行车安全问题

分析了高、中速旅客列车混行条件下的客流情况及行车组织的优缺点，并着重对高、中速旅客列车混行条件下的中速旅客列车行车安全防范措施进行了探讨。     

轨道交通曲线连续 钢—混组合梁抗剪分析

论述在钢混组合梁计算中,规范中按实体梁横向弯曲剪应力计算,没有扭转剪应力计算的规定。曲线组合梁的扭矩较大,讨论是否需要考虑扭转剪应力的影响。结合工程实例,计算分析自由扭转剪应力,按闭口薄壁构件和实体梁分别计算弯曲剪应力,并对计算结果进行对比分析,提出合理的计算方法。     

基于TD3算法的人机混驾交通环境自动驾驶汽车换道研究

提高人类驾驶人的接受度是自动驾驶汽车未来的重要方向,而深度强化学习是其发展的一项关键技术。为了解决人机混驾混合交通流下的换道决策问题,利用深度强化学习算法TD3（Twin Delayed Deep Deterministic Policy Gradient）实现自动驾驶汽车的自主换道行为。首先介绍基于马尔科夫决策过程的强化学习的理论框架,其次基于来自真实工况的NGSIM数据集中的驾驶数据,通过自动驾驶模拟器NGSIM-ENV搭建单向6车道、交通拥挤程度适中的仿真场景,非自动驾驶车辆按照数据集中驾驶人行车数据行驶。针对连续动作空间下的自动驾驶换道决策,采用改进的深度强化学习算法TD3构建换道模型控制自动驾驶汽车的换道驾驶行为。在所提出的TD3换道模型中,构建决策所需周围环境及自车信息的状态空间、包含受控汽车加速度和航向角的动作空间,同时综合考虑安全性、行车效率和舒适性等因素设计强化学习的奖励函数。最终在NGSIM-ENV仿真平台上,将基于TD3算法控制的自动驾驶汽车换道行为与人类驾驶人行车数据进行比较。研究结果表明：基于TD3算法控制的车辆其平均行驶速度比人类驾驶人的平均行车速度高4.8%,在安全性以及舒适性上也有一定的提升;试验结果验证了训练完成后TD3换道模型的有效性,其能够在复杂交通环境下自主实现安全、舒适、流畅的换道行为。     

青岛至连云港铁路运输组织模式研究

研究目的:青连铁路是一条承担中长途旅客运输和港口集疏运功能的干线铁路,速度目标值为200km/h,其旅客运输组织模式既不同于传统的既有客货混跑模式,也有别于纯客运专线的运输组织模式。如何合理确定青连铁路的运输组织模式,是影响青连铁路经济效益和社会效益的关键。研究结论:从旅行时间节省、能力利用均衡和动车组购置费等方面,经比较分析各种运输组织模式的适应性后,确定青连铁路性质为是以客运为主的客货混跑铁路,旅客列车采用动车组与普速旅客列车相结合的运输组织模式。该模式充分发挥了青连铁路的线路能力,极大满足了不同的客流需求,也兼顾了部分货物列车。     

桃河特大桥主跨65m钢—混结合梁施工过程控制

采用虚拟层合板—壳—梁—实体组合单元法对桃河特大桥施工过程进行了有限元仿真分析,并与实测结果进行了对比,得出如下结论:虚拟层合板—壳—梁—实体组合单元法能够以少量的单元精确模拟结合梁的几何细节,避免了结合梁施工过程力学分析中的重复建模、节点耦合等难题;"U"型钢梁在移梁架设过程中各控制截面的实测应力变化较小,架设过程平稳、顺利;各施工阶段钢梁和钢筋混凝土桥面板应力实测值与理论值较为吻合。